（系统工程专业论文）应用于石油化工生产装置的便携式监控仪的研究与开发.pdf

摘要 摘要 本文从软、硬件方面分别设计与开发了一台适用于石油化工生产过程的便携 式监控仪，对其生产过程的监控提出一种新的解决方案。监控仪硬件的实现过程， 包括硬件的设计与选型，以及集成整合的设计与实施。对组成本监控仪的每一个 部件和它们所实现的功能都进行了详细的描述，通过合理的布局设计将硬件集成 到监控壳体中，同时考虑到外部接i z i 与抗震、散热等情况。软件部分具体实现步 骤，包括了数据库、接i z l 以及应用程序的开发。其中，数据库是本监控仪的核心 内容，本课题选用p l 数据库系统作为监控仪的核心数据库，在此基础上，开发 适合其的接口与监控软件。最后，依次完成软件部分的整合。 本监控仪在使用时，将该故障诊断仪通过以太网接口接入石油化工生产装置 的d c s 系统，或通过外挂式多路a d d a 数采器直接接入现场信号仪表柜。监控 仪体积小、重量轻、便于携带，解决了故障诊断技术向实际工业现场应用的瓶颈 问题，尤其对于配备d c s 系统或p l c 或智能仪表的石油化工生产装置，具有网线 一插即可的优点，使用非常方便。 经过a s p e nd y n a m i c 模拟生产流程来检验本监控仪的实际效果，通过测试可 以看出，监控仪能顺利与主机相连进行数据交互，实时反映生产过程的运行状态， 同时，当关键参数发生变化时，能出现即时报警。安装上故障诊断软件后通过分 析数据库中数据能够显示诊断结果，以供技术人员或者操作员参考。监控仪能基 本实现了先前设计的功能。 关键词：石油化工监控故障诊断便携数据库接口主元分析 浙江大学硕士学位论文 a b s t r a c t i nt h i sp a p e r ，h a r d w a r ea n ds o f t w a r ed e s i g na n dd e v e l o p m e n to f t h er e s p e c t i v eo n eo f t h ep e t r o c h e m i c a lp r o d u c t i o np r o c e s sa p p l i e dt oap o r t a b l em o n i t o r i n ga n dc o n t r o l d e v i c e ，t h em o n i t o r i n go ft h e i rp r o d u c t i o np r o c e s sp r e s e n t san e ws o l u t i o n m o n i t o r t h eh a r d w a r ei m p l e m e n t a t i o np r o c e s s ，i n c l u d i n gh a r d w a r ed e s i g na n ds e l e c t i o n ，a s w e l la si n t e g r a t e dd e s i g na n di m p l e m e n t a t i o no fi n t e g r a t i o n o nt h ec o m p o s i t i o no f t h em o n i t o ri ne a c hc o m p o n e n ta n dt h e i rf u n c t i o n sa r ea c h i e v e d b yad e t a i l e d d e s c r i p t i o no ft h el a y o u tt h r o u g ht h er a t i o n a ld e s i g no ft h eh a r d w a r ei n t e g r a t e di n t o t h e m o n i t o r i n g o ft h e s h e l l ，t a k i n gi n t oa c c o u n tt h ee x t e r n a l i n t e r f a c e ，a n d e a r t h q u a k e - r e s i s t a n t ，h e a td i s s i p a t i o na n ds oo n s o f t w a r ep o r t i o no ft h ec o n c r e t e i m p l e m e n t a t i o ns t e p s ，i n c l u d i n gt h ed a t a b a s e ，i n t e r f a c ea n da p p l i c a t i o nd e v e l o p m e n t a m o n gt h e m ，t h ed a t a b a s ei st h ec o r ec o n t e n to f t h em o n i t o r ，t h et o p i cs e l e c t e dp i d a t a b a s es y s t e ma sam o n i t o ri nt h ec o r ed a t a b a s e ，o nt h i sb a s i s ，d e v e l o pa p p r o p r i a t e t ot h e i ri n t e r f a c ew i t ht h em o n i t o r i n gs o f t w a r e f i n a l l y ，t h et u r nt oc o m p l e t et h e s o f t w a r ep a r to ft h ei n t e g r a t i o n t h em o n i t o r ，w h e nu s e d ，t h ef a u l td i a g n o s i si n s t r u m e n ta c c e s st h r o u g ha n e t h e r n e ti n t e r f a c e ，p e t r o c h e m i c a lp r o d u c t i o np l a n t sd c ss y s t e m ，o rv i aap l u g - t y p e m u l t i c h a n n e la d d ad a t aa c q u i s i t i o nd e v i c ed i r e c ta c c e s st oo n s i t es i g n a lm e t e r c a b i n e t m o n i t o rs m a l ls i z e ，l i g h tw e i g h t ，e a s yt oc a r r y ，t os o l v et h ef a u l td i a g n o s i s t e c h n o l o g yt oa c t u a li n d u s t r i a l f i e l da p p l i c a t i o nb o t t l e n e c k s ，e s p e c i a l l yf o rs y s t e m s w i t hd c so rp l co rs m a r tm e t e rp e t r o c h e m i c a lp r o d u c t i o nf a c i l i t i e s ，w i t han e t w o r k c a b l ec a np l u gt h ea d v a n t a g e so f at ou s ev e r yc o n v e n i e n t a f t e ra s p e nd y n a m i cs i m u l a t i o no ft h ep r o d u c t i o np r o c e s st ot e s tt h ep r a c t i c a l e f f e c to ft h i sm o n i t o r ，t h r o u g ht e s t i n gc a ns e et h a tt h em o n i t o rc a nb es u c c e s s f u l l y i n t e r a c tw i t ht h eh o s tc o n n e c t e dt ot h ed a t a ，r e a l t i m et or e f l e c tt h ep r o d u c t i o np r o c e s s r u n n i n ga tt h es a m et i m e ，w h e nt h ek e yp a r a m e t e r sc h a n g e ，t h ea b i li t yt oa c hi e v e r e a l t i m ea l a r m t r o u b l e s h o o t i n gs o l t w a r ei n s t a l l e db ya n a l y z i n gt h ed a t ai nt h e 摘要 d a t a b a s ec a nd i s p l a yd i a g n o s t i cr e s u l t s ，f o rt e c h n i c a ls t a f fo ro p e r a t o r sf o rr e f e r e n c e m o n i t o rc a nb eb a s i c a l l ya c h i e v e dt h ep r e v i o u sd e s i g n 佬a t u r e s k e yw o r d s ：p e t r o l e uma n dc h e m i c a l ，m o n i t o r i n g ， f a u l td i a g n o s i s ， p o r t a b l e ，d a t a b a s e ，i n t e r f a c e ，p c a 浙江大学研究生学位论文独创性声明 本人声明所呈交的学位论文是本人在导师指导下进行的研究工作及取得的 研究成果。除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发 表或撰写过的研究成果，也不包含为获得浙江太堂或其他教育机构的学位或 证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文 中作了明确的说明并表示谢意。 学位论文作者签考晷脚签字日期： 年月日 学位论文版权使用授权书 本学位论文作者完全了解浙逛太堂 有权保留并向国家有关部门或机 构送交本论文的复印件和磁盘，允许论文被查阅和借阅。本人授权逝婆太堂 可以将学位论文的全部或部分内容编入有关数据库进行检索和传播，可以采用影 印、缩印或扫描等复制手段保存、汇编学位论文。 ( 保密的学位论文在解密后适用本授权书) 学位论文作者签 签字日期：月 日 浙江大学硕士学位论文 致谢 近7 年的时光转瞬即逝，在求是园的这些年里，我得到了许多老师、同学的 指导与帮助。在学业即将结束之际，我向所有关心我、帮助过我的老师、同学、 朋友、亲人表示最诚挚的谢意。 首先要由衷感谢我的恩师梁军教授。本科毕业后有幸能到恩师门下进行硕士 阶段的学习和研究工作，度过了大学生活中人生中最重要的几年。恩师宽严并济 的指导方式给了我充分发挥自己能力的空间，一些项目的跟进也让我得到了许多 锻炼的机会。在恩师门下，我学到的不仅有专业的技术和知识，更重要的，恩师 渊博的学识和严谨、缜密的处事风格使我今后的工作、学习受益匪浅。在平时的 学习生活中，也时刻伴随着恩师的关心和照顾。在本文即将完成之际，谨向思师 表示最衷心的感谢和最诚挚的敬意。 感谢浙江大学控制系的所有老师给我的指导和帮助，在浙大求学的7 年，或 许听过老师们的课程，或许得到过老师们的其它指导。谢谢你们传授给的知识和 为我提供的舒适的学习条件和良好的科研氛围。 感谢叶鲁彬、石向荣、费正顺、胡斌、李化东、赵晓锐、吕燕、段斌、杨敏、 张伟杰、赵璺等师兄弟或者朋友们的帮助，在学术上，我们总能像一个团队一样 相互帮助、相互学习，在平时的生活中，与你们一起也是其乐融融。在此，也谢 谢你们伴我走过的几年研究生生活。 最后，要感谢我的家人，这么多年一直默默支持在浙大中求学，从不要求我 回报什么，没有你们就没有我的现在。 感谢所有曾经帮助过我和关心过我的人，谢谢你们! 吴雪峰 2 0 1 0 - 0 1 1 0 于求是园 浙汀人学硕士学位论文 1 1 引言 第一章绪论 石油化工行业在国民经济中占有非常重要的地位，是国家工业体系的支柱产 业。随着计算机和自动化技术的发展，石油化工生产行业也开始追求节能降耗、 安全生产、操作优化等模式。由于石油化工生产装置具有易燃、易爆、有毒、高 温、高压特点，如果发生故障，将导致爆炸、起火、毒气泄露等严重后果，甚至 人员伤亡。因此石化生产的安全性自然成为众多石油化工生产企业乃至全社会面 临的严峻问题，对生产过程的实时监控和预警也显得极其重要。如何使这些生产 装置正常地运行，在故障发生之前给出足够充分的预警信息，试图将故障隐患消 除在萌芽状态，近年已经成为生产过程自动化技术领域研究的热点【卜5 1 。 故障的检测与诊断技术经过了几十年的发展，到目前已经出现了基于各种不 同原理的方法。按照国际故障诊断权威p m f r a n k 教授的观点，所有的故障诊断 方法可以划分成基于知识的方法、基于解析模型的方法和基于信号处理的方法三 种，其中，以多元统计正交投影理论为基础的方法是基于信号处理方法的一个主 要分支。迄今为止，国内外学者已经在该研究领域公开发表了许多研究成果，有 些已经达到了工业应用的程度。自从1 9 9 9 年起，本人所在的研究团队一直从事 复杂工业生产过程故障检测与诊断的研究工作，并早在2 0 0 3 年就对该领域的研 究进展和成果给出了一个较全面的评述。 然而，遗憾的是，尽管产生了许多很好的研究成果，实际的工业应用却寥寥 无几。目前，生产过程的监控主要由大中型计算机系统完成，一旦系统开发完成， 就具有不可移植性，并且开发维护成本相对较高，没有一种可以运用于多种生产 过程的，开发成本低廉的而又可靠的监控装置。造成这种现象的原因除了理论研 究还需要进一步完善以外，更主要甚至是决定性的原因是缺乏一个桥梁和载体， 即缺乏将理论成果应用于工业现场的工具，尤其是缺乏操作使用简单、携带方便、 与现场的生产装置能直接互联的“傻瓜式”故障诊断仪器。截至到目前，尚未有应 用于石油化工生产装置的故障诊断仪器方面的信息。 绪论 1 2 石油化工生产监控系统概述 1 2 1 国内现状 目前国内现有的大型工业生产过程大多数己实现计算机集散系统( d c s ) 的生 产控制与管理。但从控制方式来看，一般仍停留在数据采集、显示打印和简单回 路控制阶段。d c s 所提供的丰富的硬件资源并没有充分利用。随着工业生产规模 的不断扩大和生产工艺的日益复杂的要求，生产过程的自动控制提出了越来越高 的要求，在自动化技术、计算机技术、网络通信技术和先进制造技术迅速发展的 支撑下，工业控制己逐步从单机监控、直接数字控制发展到以新型工业控制网络、 智能化仪表和计算机为主要支撑技术的，过程自动化与信息管理自动化相结合的 生产过程计算机监控系统，其本质是利用计算机控制系统对生产过程进行监视、 操作和管理。 计算机监测控制系统( 简称计算机监控系统) ，是以监测控制计算机系统为主 体，加上检测装置，执行机构，网络链接与被监测控制的对象共同构成的整体， 或者说具有以下三方面功能： 【l 】数据采集与处理功能 主要是对生产过程的参数进行检测、采样和必要的预处理，并以一定的形式 输出，为生产人员提供详实的数据，以便于他们分析、了解生产情况，监视生产 过程的进行。 【2 】过程监督功能 将检测的实时数据、人工输入的数据等信息进行分析、归纳、整理、计算等 二次加工，并制成实时和历史数据库加以存储。根据实际生产过程的需要及生产 进程的情况，进行工况分析、故障诊断、报警等，并以图、文，声等多种形式及 时做出报告，以进行操作指导、事故报警。监督系统的输出一般都不直接作用于 生产过程，而是经过生产人员的判断后再由操作人员对生产过程进行干预。 【3 】过程控制功能 在检测的基础上进行信息加工，根据事先决定的控制策略形成控制输出，直 接作用于生产过程。 完整的计算机监测控制系统是上述三种功能的综合集成，它利用计算机高速 2 浙汀人学硕士学位论文 度、大容量和智能化的特点，可以把一个复杂的生产过程组织管理成为一个综合、 完整、高效的自动化整体。当然，在实际使用中，可以根据实际对象的需求情况， 系统只具有上述一项或两项功能，或是以某一项为主，而辅以其他功能。这样可 以更针对实际应用的需要，以降低成本，减少复杂性，增强可维护性。计算机监 控系统以其良好的实时性，可靠性、可维护性以及优异的计算控制能力和人机交 互功能己成为现代工业企业自动化中必不可少的重要组成部分。 计算机监控系统由上面几种功能集成，利用计算机技术的特点和优点，将复 杂的石油化工生产复杂的组织管理变为一个高效完整的自动化整体，并在此基础 上实现了诸如在线校正调节、在线软测量、先进控制等功能，现在计算机监控系 统已经在石油化工生产企业中广泛投用，取得了良好的效果，获得了可观的经济 效益。 1 2 2 计算机监控系统的意义 在生产装置中使用计算机监控系统能显著提高装置的安全性和操作效率。计 算机监控系统完成的模型计算、操作指导和生产监控功能无法用手工或d c s 实 现。在装置的实际生产过程中，上位计算机监视整个装置、显示特定生产信息、 - ，利用过模型进行复杂计算，通过现有的控制系统实施调整以补偿过程条件的偏差 和改变负荷条件。一些生产过程中，许多重要的生产参数和控制操作指标无法以 一种实时方式由测量仪表直接测出，然而它们可以从间接测量数据中推算出来。 为了有效掌握实际的生产工况和参数，必须频繁进行必要的模型计算。这些模型 计算往往无法由人工来完成，必须采用先进的在线计算机和相应的模型计算软 件、实时数据库来实现4 1 。 通过使用计算机监控系统而产生的经济效益大概体现在如下几方面： 1 通过精确的树脂性质预测和计算来提高树脂的质量，从而减小树脂次品 率； 2 计算一批重要工艺参数用于在线的操作指导； 3 提高生产装置的整体操作水平和生产效率； 4 大大降低操作过程中的盲目性，减少误操作，降低事故发生率； 3 绪论 1 2 3 监控系统的系统结构 一般，监控系统采用四层体系结构，最底层为常规控制层。第二层是数据层， 现场采集的数据、d c s 系统以及工艺计算和控制的数据写入挂接在这一层的实时 数据库。实时数据库系统通常使用o s i 公司的p i 数据库，实时数据库是整个体系 结构的核心，通过它实现全系统的数据交换。第三层是工艺计算与控制层，以聚 乙烯流化床气相聚合反应过程为核心，实现产率计算与催化剂进料计算、配方管 理与配方切换、树脂性质预测与更新计算等功能。第四层是用户界面层，提供反 映生产现场的实时信息，客户计算机可通过网络直接使用系统。同时提供丰富的 数据访f 口- i ：r 具，如实时动态流程画面、实时曲线、历史曲线和数据查询、统计、 分析等。 1 3 以实时数据库为核心的监控系统 实时数据库系统为先进控制和实时优化技术提供了一个很好的数据平台 0 5 。实时数据库实时采集过程数据参数，监控系统的运行状态，保障生产的平稳 运行；保存历史数据，反映生产过程规律；通过优化软件实时调整工艺的参数， 保障过程最优运行；对影响产量和质量的关键过程参数进行监控；通过软测量软 件对产品的质量数据和可取的利润进行在线分析，尽早发现产品问题，提高产品 产量及质量，提高生产经济效益。实时数据库作为连接生产过程系统装置与企业 综合自动化生产控制系统的桥梁，在实时控制和管理控制一体化上发挥着非常重 要的作用，为企业综合自动化控制系统的开发与应用提供了一个理想平台，使企 业的信息化系统能够实时、高效地运行。以实时数据库系统为核心的监控平台如 图1 1 ： 4 浙汀人学硕士学位论文 图1 1 以过程实时数据库为核心的监控平台 将监控平台与现场d c s 、工作站、用户操作站等结合，组成以实时数据库为 核心的计算机监控系统。在生产过程中，基于实时数据库的监控系统监视整个装 置、显示特定生产过程信息、利用建立的模型进行复杂计算、通过现有的控制系 统实施调整以补偿过程条件的偏差，改变负荷条件。主要的监控系统结构如下图 1 2 ： 图1 2 监控系统结构图 5 绪论 在生产企业的装置中使用计算机监控系统能显著提高生产系统的安全性和 操作效率。计算机监控系统完成的模型计算、操作指导和生产监控功能无法用手 工或d c s 实现。在装置的实际生产过程中，上位计算机监控整个生产装置、显示 特定生产过程信息、利用建立的模型进行复杂计算，通过现有的控制系统实施调 整以补偿过程条件产生的偏差并且改变负荷条件。一些生产过程中，许多重要的 生产过程参数和控制操作变量无法以一种实时并且直接方式由测量仪表直接测 出，然而它们可以从间接测量数据中计算出来。为了有效掌握实际的生产工况和 参数，必须频繁进行一些模型计算。这些模型计算往往无法由人工实时来完成， 必须采用先进的在线计算机监控系统和相应的模型计算软件、实时数据库来实 现。 实时数据库在工业过程控制中的作用和设计的思路，方法和关键技术在下列 文献中有所阐述：文献【5 6 】结合最新的信息技术和数据处理技术介绍了工业过程 控制中实时数据库的架构与实现及应用的关键技术，给出了实时数据库的一般性 设计原理，具体的设计思路和实现方法。文献【7 9 】介绍了企业综合自动化系统中 的实时数据管理功能需求和现有工业监控软件的实时数据管理方案，结合实时数 据库理论的几个主要方面，详细论述了综合自动化系统的设计思路和关键技术。 文献【1 0 11 】介绍了根据过程控制的需要，进行实时数据库组件设计的思路、实现 技术、处理流程和数据表结构。文献 1 2 1 4 介绍了实时数据库作为信息化系统的 数据中心，在企业信息化过程中支撑集控制、优化、调度、管理、经营于一体的 企业综合自动化系统，并为上层的e r p 等管理系统提供数据支持的关键作用。文献 【1 5 - 1 7 1 介绍了实时数据库的不足，并介绍了实时数据库和关系数据库的集成在汽 轮机发电中相互补充取得的效果。 现代工业过程信息化发展中，数据库的应用越来越广泛，从企业的生产过程 控制系统到c l m s ，p i m s ，s i s 系统，数据库都在发挥着关键的作用；同时，实 时数据库的应用领域也越来越广泛，从电力行业到石油化工生产行业都离不开实 时数据可的应用；当前国内实时数据库的研究也越来越成熟，从直接应用国外先 进的实时数据库l n f o p l u s 2 。1 、p i ，到自主开发相关组件来配合实时数据库应用， 到自主开发的数据库三维力控等。但是，目前对实时数据库在一个项目中的整体 开发流程缺乏详细系统的介绍，此外对实时数据库的接1 3 设计方案也只停留在大 6 浙汀人学硕士学位论文 体性的描述，并没有一个具体的接口设计方案，对于如何引用数据库接口函数， 接口函数的形式、效率如何，以及数据库中数据的缺陷和处理方式也是没有详细 的描述。 1 4 本文主要的研究工作 本文以实际的石油化工企业生产过程为应用背景，对生产过程的监控提出一 种新的解决方案，开发一个种便携式监控仪，将石油化工生产装置监控系统的一 些模块、功能集成在一个便携式监控仪上。使用时，将该故障诊断仪通过以太网 接口接入石油化工生产装置的d c s 系统( 或p l c 或智能仪表网) ，或通过外挂 式多路a d d a 数采器直接接入现场信号仪表柜( 当现场没有装备d c s 系统或 p l c 或智能仪表时) ，故障诊断仪就能通过简单的系统设置2 4 小时不间断地采集 现场数据( 采样频率可设) 。当生产装置发生故障并在现场采样数据中开始反映 时，故障诊断仪根据预先建立并调校好的故障诊断模型，启动故障检测与诊断功 能进行故障类型、发生区域、强度、传播影响等进行分析、判断并进行故障真实 性确认，一旦确认结果为真，立即进行报警处理并启动预先设置的故障处理应急 预案。另外，为便于故障过程回溯( 分析发生故障的深层原因和提高故障处理能 力) 和故障信息存档，还提供了数据库和打印管理。本监控仪体积小、重量轻、 便于携带，解决了故障诊断技术向实际工业现场应用的瓶颈问题，尤其对于配备 d c s 系统或p l c 或智能仪表的石油化工生产装置，具有网线一插即可的优点， 使用非常方便。 本文具体章节如下： 第一章：绪论，主要介绍石油化工生产监控系统的国内外发展状况与存在缺 陷。 第二章：监控的理论与算法研究，主要介绍目前应用于石油化工生产过程的 监控算法，并且详细介绍了基于p c a 方法的故障诊断技术，展示其在实际生产装 置上运用的一些效果。 第三章：便携式工业过程监控仪的总体设计，主要介绍了本课题研究开发的 监控仪总体设计思路以及软硬件实现需要用到的一些关键技术。 第四章：便携式工业过程监控仪的硬件实现，主要介绍了监控仪的硬件设计 7 绪论 与开发步骤，从硬件的选型、开发到组装。 第五章：便携式工业过程监控仪的软件实现，主要介绍了适用于本监控仪的 软件设计与开发，包括核心数据库、数据库接口以及监控软件的设计与开发。 第六章：整机调试与应用，展示了本监控仪在有主机模拟生产装置运行的条 件下运行的监控效果。 第七章：总结与展望，分别总结了本课题的研究与开发内容，并且提出了本 课题进一步可以研究发展的方向。 8 浙江人学硕士学位论文 第二章监控的理论与算法研究 2 1 过程故障的监控与故障诊断技术 故障检测与诊断技术是一种涉及多领域、多学科的理论，包括计算机理论与 应用技术、控制理论与控制技术、信号处理、数理统计等等。故障诊断，就是利 用从被监控系统中所得到的各种状态和信息，运用现有的知识、经验和技术来评 价、判断系统运行的状况，得到系统运行状态或者故障状态的综合评价1 4 4 1 。 过程故障是指工业生产过程中出现的一些异常的现象，这些异常随时可能发 生在生产过程的各个环节，主要表现为：过程变量的非正常偏离，其类型包括过 程参数的变化、干扰参数的变化、控制器的故障、执行器的故障和传感器的故障。 目前，故障检测与故障诊断诊断( f a u l td e t e c t i o na n dd i a g n o s i s ，f d d ) 方 法及应用已成为国际自动控制界的热点研究方向之一。故障检测与诊断方法通过 对生产过程进行分析评价，根据反馈信息及时发现异常因素出现的征兆，并采取 措施消除其影响，使过程维持在受控状态。 2 2 故障诊断的研究现状 目前工业过程监控、故障检测和诊断的研究主要是从以下几个方面着手：基 于定量模型的方法、数据驱动的方法和基于知识的方法1 2 0 - 2 5 1 。 ( 1 ) 基于定量模型的方法： 这种方法可以建立比较准确的过程模型，当此模型的建立是可能的时候，这 种方法应试我们首选的方法。分类来说，这种故障诊断方法包括了状态估计法、 参数估计法与等价空间法【坶】。 此种方法一般需要首先建立过程的动态模型，然后比较过程输出与模型输出， 生成残差，通过观察残差来判断过程是否出现故障，残差生成的方法有基于参数 估计、状态估计、等价关系等。从理论上来讲，基于模型的方法能够准确描述和 感知过程系统的动态变化，适合故障检测和诊断。但是存在一个非常突出的问题， 故障的检测和诊断需要比较精确的过程模型，而在化工过程中，准确的过程动态 模型很难得到。 9 第二：章监控的理论与算法研究 ( 2 ) 数据驱动的方法： 当能够得到被控系统的输入和输出信号时，可以采用此方法，主要包括主元 分析法、偏最小二乘法、小波变换法、分形法等。结合多元统计学对过程数据进 行分析，较典型的是p c a 、p l s 等多元统计过程控制方法。以p c a 为例，该方 法假设了时间独立性的假设，监控对象仅限于稳态过程，仿真结果表明过程的动 态特性对p c a 的监控性能影响比较明显，虽然已经有研究者提出动态 p c a ( d p c a ) 方法来克服这个问题，但只是在原数据矩阵中加入类似线性低阶时 间序列模型( a r x ) 的扩充矩阵，过程的动态特性一般比较复杂，可能存在非平稳 性和时变，因此d p c a 无法彻底解决过程动态性影响的问题。另一个利用过程 数据的研究方向是利用信号处理的方法，如小波分析。此外可以从模式识别的角 度来考虑，如f i s h e r 判别、基于树的判别、支持向量机、聚类法等，这一类方面 的研究也吸引了较多的研究者。 ( 3 ) 基于知识的方法： 此种方法不需要系统的定量数学模型，结合了最新的一些智能方法，尤其对 非线性系统和复杂大型系统比较有效。主要分为专家系统的方法和定性模型的方 法。以专家系统为例，其是实际应用中最广泛的一种故障诊断系统，通过专家系 统的应用与其它方法结合，更可以提高诊断系统的性能。 2 3 基于主元分析与偏最小二乘的过程监控方法 2 3 1 主元分析( p c a ) 与偏最小二乘( p l s ) 主元分析( p c a ) 也称因子分析法，由美国心理学家c h a r i e ss p e a r m a n 于1 9 0 4 年提出，1 9 3 3 年经h o t e l l i n g 加以发展，尤其适用于特征的提取和降维4 8 1 。其算 法对象是由样本变量与样本点构成的数据矩阵，目标为力保数据信息丢失最少的 情况下对高维变量空间进行降维处理【2 6 1 。假设经过标准化处理( 即均值零化且方 差归一化) 后的数据矩阵x ( m x n ) ，m 表示测量采样次数，n 表示测量变量个数， 主元分析法的数据压缩过程实质上是数据矩阵x 的协方差矩阵谱分解过程。 c o y ( x ) ：x t _ x ( 2 1 ) m l c o y ( x ) 1 , = 丑，( 2 2 ) 1 0 浙江大学硕士学位论文 其中c d y ( x ) 是矩阵x 的协方差矩阵，为协方差矩阵的特征向量，凡为按 降序排列的特征值主元空间的信息抽取实质上是选取几个有代表性的主元，解 释数据中大部分的变化，其数学表达式如下： = x l ,k m i n m ，疗) ( 2 3 ) 其中f j 是主元，也叫得分向量( s c o r ev e c t o r ) ，表示提取采样数据间的关联信 息；是主元特征向量，也叫载荷向量( 1 0 a d i n gv e c t o r ) ，表示提取变量间的关 联信息；露为残差矩阵，提取随机噪声和模型误差信息。各得分向量之间是正交 的，即对任意的i 和j ，当f j 时满足r t j = 0 。各载荷向量间也是互相正交的， 同时每个载荷向量的长度都为1 ，即： i ；l j = 0 i 季j ，= l i = 7 ( 2 3 ) 将式( 2 3 ) n 边同时右乘式j ，可得到如下式： = x l ( 2 4 ) 向量的长度反映数据矩阵x 在t 方向上覆盖的程度。如果它的长度越大， 那么x 在方向覆盖程度或者变化的范围也就越大。若得分向量按其长度排列 如下： l l | f 2 l l m l 且忽略较小的得分变量，即忽略误差信息，则数据x 可以近似地表示如下： x f l + f 2 j 2 + + 厶 ( 2 5 ) 主元分析过程的实质是对原坐标系进行平移变换和旋转变换，使新坐标的原 点与原数据群点的重心相重合，从而对原变量信息进行线性改组，压缩原有数据 矩阵的大小，得到反映过程的主要特征且使其具有一定的实际含义。 主元分析的方法本身往往并不是目的，而是为达到目的一种途径或者手段。 因为主元分析法算法简单，解释性好，多用在项目研究或者算法研究的某个中间 环节。例如，在多重回归的运用中，便产生了主元回归( p r i n c i p a lc o m p o n e n t l 1 第二章监控的理论l j 钎法研究 r e g r e s s i o n ，p c r ) ( l ia n dl i2 0 0 1 2 0 0 2 ) ，在偏最小二乘算法的运用中，就形成 了n i p a l s 方式的p l s 。由主元分析法发展的适合不同情况的方法还有如将主元 分析与人工智能方法( 如神经网络) 相结合，用于消除模型输入变量之间存在的 线性相关性等等；在处理批量过程多维数据矩阵时的多向主元分析( m u l t i w a y p c a ) 。更多的应用在于利用主元分析来达到辅助变量的精选和对变量进行限围 监测。 偏最小二乘( p l s ) 的计算方法有很多种，其中比较标准的算法是非线性迭 代偏最小二乘法( n i p a l s ) 。其实p c a 算法在回归分析方面最直接的作用是产 生主元回归分析，而偏最小二乘回归方法和主元回归方法一样，都采用得分变量 作为原始变量线性组合的替代，但不同之处在于得分变量的提取方法有所不同， 简单来说，用主元回归法产生的权重矩阵反映的是x 之间的协方差，而用偏最 小二乘回归产生的权重矩阵反映的是x 与y 之间的协方差。换言之，p l s 对输 出变量矩阵也会进行降维分解，从而得到输出变量矩阵的得分矩阵，然后对输入 与输出的得分矩阵进行线性回归，用此方法构造的便是“隐变量空间( 1 a t e n t v a r i a b l e ss p a c e ) ”，因此，p l s 方法又称为特征结构投影法( p r o j e c tt ol a t e n t s t r u c t u r e ) 。完整的p l s 方法数学描述可以参考s w o l de ta 1 编著l 构l ( ( c h e m o m e t r i c s ： m a t h e m a t i c sa n ds t a t i s t i c si nc h e m i s t r y ) ) 一书，描述详细的p l s 历史与原则还可以 参考文献诸如：w o l d ，r u h ee ta 1 1 9 8 4 ；h 6 s k u l d s s o n1 9 8 8 。 假设经过标准化处理的自变量数据矩阵x r “”与因变量数据矩阵 y r ”，其中m 是样本数，n 和p 分别是自变量和因变量的维数，非线性迭代 偏最小二乘法( n i p a l s ) 的算法可简要地由外部关系( o u t e rr e l a t i o n ) 与内部关系 ( i n n e rr e l a t i o n ) 来描述。 外部关系： 内部关系： x = 卯t + e = n 1 + e ( 2 6 ) y = 睨t + ，= z f ，g ，t + f ( 2 7 ) u = t b u = 仇，( 2 8 ) 1 2 浙汀人学硕士学位论文 坟= t t k ( t k t t t ) ( 2 9 ) 其中k 为主元的个数。建立起来的模型如下： y = 睨t + f = r b q t + f ( 2 1 0 ) e 和f 均为残差矩阵，为p l s 模型预测误差。在内部关系中，t b 就是u 的预测，b 可以认为是联系丁和u 的传递方程，用于描述模型内部关系的回归 矩阵，为对角矩阵，矩阵元素是p l s 内部关系的回归参数。外部关系为对x 、l r 的主元分析，但主元的计算中考虑了内部关系的回归，与单纯的p c a 方法不尽 相同。一般可以认为基于主元提取的p l s 方法有很强的解释和预测能力，并且 可以是小样本。 2 3 2 多向主元分析( m p c a ) 与多向偏最小二乘( m p l s ) 的监控原理和 步骤 连续过程中多个切换的过程可以看成多个批次的生产过程，测量得到的数据 可以写成x ( 1 x j x k ) 三维数据矩阵，如图2 1 ，其中1 代表批量，j 代表变量，k 代表采样时刻点序列。 图2 1批次三维数据示 多向主元分析( m p c a ) 与多向偏最小二乘( m p l s ) 为p c a 与p l s 在三维数 据上的扩展，实现这种方法的一个自然想法就是将其进行重新排列，把三维的数 据转化为二维数据。使用的方法主要有两种，如图2 2 所示。第一种方法为沿时 间轴方向进行铺展2 0 1 ，其数据块形式为i ( j x k ) ，即以l 作为行，以j k 作为列 1 3 第_ 章监控的理论与算法研究 构成二维数据，再在此基础进行p c a 或p l s 算法，构造统计量和控制限。所得 得分空间可以看作批次间的差异度量，反映批次问的差别及好坏，负载则反映时 间上变量间的相关性和重要性，是批次中基本现象的反映，主要监控过程是否都 是在平均轨迹范围之内；第二种方法是沿批次方向进行铺展【3 0 1 ，其二维数据块形 式是( i x k ) x j ，这种方法的作用在于监控所有批次是否在变量平均值范围内。 。j l 掰 沿对闻方向铺展 壤 沿批、炙方尚铺晨 图2 2三维数据转化成二维数据的两种方式 2 3 3 多向主元分析( m p c a ) 监控方法 以其中的第一种转化方法为例，应用m p c a 方法步骤如下f 2 0 1 ： 1 ) 对由正常批次组成的三维过程数据矩阵_ x ( i x j x k ) 进行预处理及标准化。 2 ) 将预处理并且标准化后的数据分解如下： r x = t ，o r r + e r = l ( 2 1 1 ) 如式( 2 11 ) 中，t ，r 7 是主元得分向量，p r r k “。是载荷矩阵，e r a k 是 残差矩阵，r 为选取的主元个数。其中矩阵运算符。的定义为： 若 则有 x = t ， p r ( 2 1 2 ) x ( i ，k ) = t ，( f ) p r ( 七，) 1 4 ( 2 1 3 ) 浙江大学硕士学位论文 3 ) 当对一批数据x 。r 融，进行监控时，将其数据投影到m p c a 模型中，得到 第r 个主元得分在第k 时刻值为： 残差为 ， t ，( 七) = 苎。p r - - z x 。( 后，j ) p r ( k ，) ( 2 1 4 ) j = l r e = 苎。- z t ，圆p ， 计算s p e 统计量得到： ， s p e k = ( e ( 七，) ) 2 ( 2 1 6 ) ( 2 1 5 ) 残差近似服从多元正态分布，依据z 2 分布可以得到s p e 统计量控制限为： s p e l i m = ( 7 2 m ) z 2 2 。：忆。 ( 2 1 7 ) 式中的r n 、y 分别为第k 时刻残差的平均值及样本方差，0 f 为置信度。计算 t 2 统计量得： t 2 ：y r 盥 鲁墨 其中的为第r 个主元的方差。 ( 2 i 8 ) 主元得分服从正态分布，并且相互独立，根据f 分布得到t 2 统计量控制限 = 渊啪 ( 2 1 9 ) 4 ) 将新得到的切换批次数据作为被监控对象，投影到已建立的m p c a 模型，看 有无超出s p e 或t 2 控制限，如超出，则可以认为切换过程出现能够用贡献图方 法对故障原因进行初步诊断。 2 3 4 多向偏最小二乘( m p l s ) 监控方法 m p l s 的原理与m p c a 类似，也是先将三维数据转化成二维数据，而后再 1 5 第二：章监控的理论l j 算法研究 进行主元分解和回9 3 计算【2 3 ，3 1 。但m p l s 比m p c a 增加了质量变量数据 _ y ( i x m ) ，同时对过程变量及质量变量的数据进行主元分解如下式： 凡 墨= t ，op ，+ e ( 2 2 0 ) r = l r 羔= u ，固q ，+ f ( 2 2 1 ) r = l 式中u ，、q ，、f 分别为质量变量数据的主元得分向量、载荷矩阵和残差。t ，和u ， 的选择不仅考虑尽可能地包含墨、一y 数据空间的变化信息，同时也考虑t ，对u ，有 最好的解释能力。得到墨和兰的主元分解之后，可以构造线性回归如下： u l = b , t l + p l ， u 22 b 2 t 2 + p 2 ， u ，= b , t ，+ 巳， 和m p c a 类似，通过m p l s 可以得到相应的s p e 、t 2 统计量，监控的步骤 也与m p c a 相似。与m p c a 不同之处是m p l s 监控考虑了质量变量的影响，在 统计量的计算和控制限的确定方面都受到了质量变量的影响，因此可以体现对质 量变量监控的效果。 2 4 动态m p c a 与动态m p l s 牌号切换的过渡过程是具有较强动态特性与非线性特性的过程，因此需对适 用于稳态过程的m p c a 及m p l s 动态化来适应这一特性，m p c a 与m p l s 的动态化 可以参考动态p c a 与动态p l s 的做法，这里系统的动态性指的是当前的数据值和 历史数据值有序列相关性，动态化的方法也即类似于时间序列方法1 2 7 - 2 9 】。 2 4 1 动态m p c a 动态p c a 经常采用的方法是将数据组成新的矩阵系列，按照时间序列方式进 行主元分析，而对m p c a 而言，将三维数据化为二维数据后，则可以借用滑动模 型方法处理，步骤如下： 1 6 浙江大学硕士学位论文 ( 1 ) 假设从生产过程得到的三维数据矩阵为x ( i x j x k ) ，根据生产中的变 量活跃程度选取适当的动态常数d ，按照采样顺序沿时间轴方向滑动截取长度为 d 的具有相同数据结构的子数据块： x l ( ，j ，d ) = x i ( j ，j ，1 ：d ) x ( j ，j ，d ) = x ( ，d ，k ：k + d 一1 ) ( 2 2 2 ) x 川+ l ( j ，j ，d ) = x 川+ l ( j ，j ，k d + 1 ：七) 得k - n + 1 个差分数据集合，经过